最近幾年來，我們時常能聽到這樣一種論調：在 AI 時代，人文學科正無可避免地走向衰落。小紅書上的各種“文科生自救指南”，紛紛勸誡文科生“轉碼”，放棄人文學科，言下之意，那些專注於闡釋、文化和人類經驗的學科，在這個日益被演算法主導的世界裡，正變得不合時宜，甚至像是過時的古董。
但隨著生成式人工智慧（GenAI）能力的不斷強大，很多人發現，“轉碼”似乎也並不意味著高枕無憂。當 AI 能在 5 分鐘內完成過去需要 50 小時的程式設計工作時，傳統的計算機科學（CS），也面臨著前所未有的挑戰。
但挑戰也帶來了機遇，最近國際計算機協會（Association for Computing Machinery，ACM）發表的一篇博文《計算機科學與人文科學在 GenAI 時代的融合之路》指出，兩個領域各自面臨的危機，很可能是促使它們走向深度融合與重塑的契機。
圖丨相關博文（來源：Communications of the ACM）
不僅是人文學科的黃昏，CS 也面臨“存在危機”
人文學科的困境已是老生常談。根據美國藝術與科學院等機構的資料，美國大學授予的人文學科學士學位比例從 2005 年的近 15% 顯著下滑至 2022 年的 8.8%。究其原因，首先是整個社會對高等教育“就業市場準備度”和即時經濟回報的空前強調。在功利主義的驅動下，教育被日益視為通往特定職業和高薪的直接跳板。相較於計算機科學畢業生通常能進入一個擁有大量高薪職位、相對穩定需求和清晰職業晉升路徑的市場，人文學科畢業生往往面臨著更為不確定的就業前景、較低的起薪，並且常常需要獲取額外的證書或更高學位才能獲得穩定的職業發展。
圖丨美國大學授予的人文學科學士學位比例變化（來源：the American Academy of Arts & Sciences）
這種顯而易見的市場差異，將許多本可能對歷史、文學、哲學抱有濃厚興趣的學生，推向了看似更“實用”的 STEM（科學、技術、工程、數學）領域。這不可避免地形成了一個負反饋迴圈：入學人數減少導致相關院系獲得的經費和資源相應削減，進一步降低了其對未來學生的吸引力，學科活力隨之萎縮。
同時，人文學科內部也不容樂觀。20 世紀中後期興起的後現代主義思潮，作為對現代性所信奉的宏大敘事、普遍理性和絕對真理的反思與批判，雖然極大地深化了我們對知識、權力和語言的理解，但也帶來了一些始料未及的後果。其對“真理”和“進步”等概念的質疑，在某些領域（如強調功能實現和技術迭代的計算機科學）似乎影響有限——畢竟技術實實在在地在進步，產品功能在不斷增強。
然而，這種懷疑論卻深刻觸及了人文學科的核心，這些學科恰恰是圍繞意義、闡釋和價值進行探討的。後現代主義的批判使得學術討論變得更為複雜、有時甚至顯得高深莫測，與公眾的日常關切和現實需求產生了一定的疏離感，降低了其在公共領域的可及性和影響力。
但就在許多人認為計算機科學作為 AI 時代的“顯學”高枕無憂之時，GenAI 的崛起同樣給其帶來了巨大的衝擊。博文中指出，GenAI 正威脅要自動化計算機科學領域的核心智力任務，引發了該領域自身的“存在危機”。
想象一下這樣的場景：一名學生投入四年寶貴時光，刻苦學習 Python 程式設計，在 2021 年躊躇滿志地畢業，卻猛然發現，如今的 AI 工具能在短短幾分鐘內生成、除錯甚至最佳化他曾需要耗費數十個小時才能完成的程式碼。這不只是效率的指數級提升，更是對計算機科學教育核心價值的根本性質疑。傳統的計算機教育，尤其是那些側重於特定程式語言語法、框架使用和基礎演算法實現的課程，是不是還在為那些可能在學生畢業之時就已經被 AI 大幅改變、甚至趨於消失的工作崗位培養人才？
圖丨美國程式設計師就業人數的下降（來源：THE WASHINGTON POST）
當 AI 能夠完美地處理語法細節（比如曾經讓無數初學者頭疼的分號和括號匹配）、自動生成功能模組、甚至提出除錯建議時，我們對“計算機科學家”核心能力的定義也必須隨之演變。僅僅掌握程式設計的“技術”層面——即如何按照規則編寫程式碼——似乎正在迅速貶值。
計算機科學領域開始瀰漫一種擔憂：未來會不會培養出一代只會熟練“提示（prompt）”AI、卻對底層的計算原理、資料結構選擇的深層原因、系統設計的複雜權衡知之甚少的“開發者”？這種對核心能力空心化的恐懼，使得計算機科學也開始深刻反思其教育目標和評估方式，與人文學科一同陷入了對自身未來價值的追問。
融合的潛力
博文指出，面對 GenAI 帶來的共同震盪，計算機科學和人文學科並非只能被動地接受衝擊。恰恰相反，這場看似摧毀性的危機，可能蘊藏著前所未有的機遇——一個推動這兩個長期以來被視為分屬“科學”與“人文”、“硬”與“軟”兩極的領域，走向深度融合、實現共同振興的歷史性契機。
GenAI 最直觀的貢獻在於其強大的自動化能力，能夠將人類從大量重複性、規則導向的智力勞動中解放出來。對於人文學者而言，這意味著可以藉助 AI 加速處理浩如煙海的歷史檔案（如自動轉錄手寫文獻、快速翻譯多語種資料、初步進行大規模文字模式分析）；對於計算機科學家而言，則意味著可以將繁瑣的程式碼除錯、單元測試用例的生成、樣板程式碼的編寫等任務部分委託給 AI。
這種解放並非意味著智力的外包，而是將人類有限的認知資源——注意力、創造力、批判性思維——從“技術性”的束縛中釋放出來，使其能夠更專注於更深層次的智力探索、更具原創性的思考和更復雜的跨領域問題解決。
早期的圖形化程式設計環境即是如此，如卡內基梅隆大學開發的 Alice 和麻省理工學院開發的 Scratch，它們透過降低程式語言的語法門檻，使得學習者能夠更早、更直接地接觸和實踐計算思維的核心——問題分解、邏輯構建和演算法設計。同樣地，GenAI 也有潛力透過自動化處理語言、資料等基礎性任務，降低人文學科和計算機科學的入門門檻，讓更多人能夠接觸並深入其核心的問題。
圖丨最近大火的“Vibe Coding”的定義（來源：X）
作者指出，這種“民主化”效應帶來的影響可能遠比想象的深遠。在人文學科，長期以來，精通多種語言往往是進行深度研究（尤其是在古典學、中世紀史、比較文學等領域）的先決條件。
在以往，要全面研究猶太人大屠殺，學者可能需要處理德語、波蘭語、俄語、法語、意第緒語甚至希伯來語的檔案材料，這極大地限制了研究的廣度和參與者的範圍，迫使學者往往只能專注於特定區域。
GenAI 強大的機器翻譯和轉錄能力，雖然不能完全取代語言專家的深入理解，但無疑能極大地輔助學者跨越語言障礙，進行更宏觀、更全面的文獻梳理和初步分析，將更多精力投入到闡釋和論證上。這不僅有望吸引更多元化的學生群體（他們可能因語言學習的畏難情緒而卻步），更能激發學者提出更大膽、更具比較視野的研究問題。
例如，系統性地比較中世紀阿拉伯文學與現代日本文學中的特定敘事母題，或是追蹤某個哲學概念（如“正義”或“自由”）在亞洲、非洲和歐洲不同歷史時期、不同文化傳統中的演變軌跡——這些在過去對於單一研究者而言幾乎是無法想象的、需要龐大團隊耗費數十年才能完成的全球性比較研究，如今在 AI 的輔助下，其可行性大大增加。
超越“技術”的智慧
GenAI 的衝擊迫使我們直面一個根本性問題：當機器能夠高效、甚至在某些方面超越人類地完成許多明確定義的“任務”之後，人類的獨特且持久的價值究竟寄寓何處？答案就在於那些超越具體“製造”技能的領域。
這裡，我們可以借鑑一下亞里士多德關於知識型別的區分。他區分了 Techne（技藝/技術）和 Phronesis（實踐智慧/明智）。Techne關乎“如何製作”，是遵循規則、可傳授的製作知識，其成果是外在的產品。AI 在 Techne 層面表現出色，擅長執行規則、生成內容。而 Phronesis 則關乎在具體的、複雜的人類實踐中“如何行動”，它要求情境化的判斷、價值權衡和對整體目標的把握，是關乎“做正確的事”的智慧，難以被規則完全捕捉。
圖丨亞里士多德（來源：Wikipedia）
AI 在模仿和執行 Techne 方面的高效，恰恰凸顯了人類在 Phronesis 方面不可替代的價值。當 AI 能輕易完成編碼、寫作等技術性任務時，人類的重心就需要轉向那些更依賴實踐智慧的方面。
對於計算機科學而言，這意味著超越單純的編碼能力，更加強調判斷力（選擇解決什麼問題、如何設計系統）、批判性思維（評估 AI 的侷限與風險）、倫理考量（理解技術應用的社會後果）以及系統性思維（把握複雜系統的整體性與互動影響）。核心不再是“你會不會寫”，而是“你是否知道為何這樣寫、何時應用、以及如何負責任地引導技術”。
對於人文學科而言，其傳統優勢本就與培養實踐智慧緊密相關。在資訊氾濫、AI 能生成海量內容的時代，人文學科訓練的深度闡釋能力、批判性分析能力、倫理思辨能力、歷史語境化能力和跨文化理解能力變得更加關鍵。這些能力幫助我們辨別資訊真偽、理解複雜現象背後的意義、進行價值判斷、並在不確定的世界中做出更明智的選擇。
因此，AI 時代並非宣告技能的終結，而是促使價值重心從可被自動化的“技藝”（Techne）向更需人類判斷、理解和責任感的“智慧”（Phronesis）轉移。這要求兩個領域都必須重新定位其教育目標和核心競爭力，培養能夠在複雜現實中進行審慎思考和明智行動的人才。
結語：在危機中擁抱機遇
回到最初的問題，AI 時代，人文學科死了嗎？計算機科學會因為自動化而失去其核心價值嗎？答案顯然是否定的。相反，這兩個領域正面臨著一個共同的挑戰，這個挑戰迫使它們都必須超越自身傳統的邊界，重新審視其核心使命和價值所在。
這場由 GenAI 引發的變革，或許可以稱之為“人工智慧轉向”（AI Turn），與以往的“語言轉向”（linguistic turn）或“空間轉向”（spatial turn）不同，“AI 轉向”不僅改變了我們獲取知識的方式，更根本性地挑戰了知識主體與知識客體之間的關係。
在傳統認識論框架中，知識生產遵循主體–客體的二元模式：人類主體透過觀察、分析和解釋來認識客體世界。GenAI 引入了一種三元模式：人類主體、AI 中介與知識客體相互作用。在這種新模式中，知識不再是人類主體對客體的直接把握，而是透過與 AI 系統的互動協作而產生的。
這種三元認識論結構引發的不僅是方法論上的調整，而是對知識本質的重新思考。當我們使用 GenAI 分析哲學概念或最佳化演算法時，最終產生的見解既不完全屬於人類，也不單純源於 AI，而是兩者互動的結果。這種“混合認知”（hybrid cognition）模式挑戰了傳統上將知識歸屬於個體認知主體的觀念，轉而指向一種更為分散式和協作性的知識生產方式。
結論是，GenAI 帶來的挑戰是真實的，但它所開啟的機遇同樣是前所未有的。透過擁抱這種變革，計算機科學和人文學科不僅能夠克服各自的“存在危機”，更能在一個日益由技術塑造的世界中，找到新的、共同的、且更為重要的存在意義。這場融合，關乎的不僅是學術的未來，更是我們如何在一個“AI 增強”的世界中，更好地理解自身與創造未來。
參考資料：
1.https://cacm.acm.org/blogcacm/the-converging-paths-of-computer-science-and-the-humanities-in-the-age-of-genai/
2.https://cacm.acm.org/blogcacm/assessment-in-computer-science-education-in-the-genai-era/
排版：初嘉實